Współczesna analiza zjawisk ekonomicznych coraz częściej wymaga uwzględnienia aspektu przestrzennego. Tradycyjne modele ekonometryczne, zakładające niezależność obserwacji, mogą prowadzić do błędnych wniosków, gdy dane wykazują autokorelację przestrzenną — sytuację, w której obserwacje geograficznie bliskie są do siebie bardziej podobne niż te oddalone. Ekonometria przestrzenna, jako rozwijająca się dziedzina, dostarcza narzędzi umożliwiających uchwycenie tych zależności i dokładniejsze modelowanie rzeczywistości.
Celem niniejszego projektu jest zbadanie uwarunkowań wzrostu gospodarczego w krajach świata w latach 1960–1980 z wykorzystaniem metod ekonometrii przestrzennej. Zmienną zależną w analizie jest średnioroczny wzrost PKB per capita, natomiast zmiennymi objaśniającymi są m.in. przeciętna długość życia czy poziom inwestycji w kapitał nieprodukcyjny. Uwzględniono również aspekt regionalny w postaci binarnej zmiennej informującej o przynależności do regionu Afryki Subsaharyjskiej.
W analizie wykorzystano zarówno klasyczne podejście modelowania (regresję OLS), jak i modele uwzględniające efekty przestrzenne (SAR, SEM). Przeprowadzono eksploracyjną analizę danych przestrzennych (ESDA), oceniono istnienie autokorelacji przestrzennej oraz porównano jakość dopasowania modeli. Szczególną uwagę poświęcono interpretacji wyników pod kątem ich znaczenia ekonomicznego i potencjalnych implikacji dla polityki publicznej.
Celem niniejszej pracy jest empiryczna weryfikacja hipotezy, że tempo wzrostu gospodarczego krajów w latach 1960–1980 nie było przestrzennie losowe, lecz wykazywało istotne zróżnicowanie geograficzne wynikające zarówno z lokalnych uwarunkowań instytucjonalno-ekonomicznych, jak i efektów przestrzennych. Głównym problemem badawczym jest określenie, w jakim stopniu zmienne takie jak jakość instytucji prawnych, struktura inwestycji, poziom dochodu początkowego oraz przynależność regionalna wpływają na dynamikę wzrostu PKB, a także czy uwzględnienie zależności przestrzennych za pomocą modeli SAR i SEM istotnie poprawia wyjaśnianie zmienności tej dynamiki względem klasycznego modelu OLS. Kluczowym aspektem analizy jest identyfikacja obecności autokorelacji przestrzennej oraz ocena siły i zasięgu jej oddziaływania.
Analiza ekonometryczna opiera się na zestawie danych przekrojowych obejmujących wybrane kraje świata, dla których dostępne były informacje dotyczące zarówno wskaźników społeczno-ekonomicznych, jak i zmiennych przestrzennych. Dane dotyczą okresu od 1960 do 1980 roku i umożliwiają zbadanie uwarunkowań wzrostu gospodarczego w perspektywie długookresowej, z uwzględnieniem aspektów instytucjonalnych, inwestycyjnych oraz regionalnych.
Zmienna zależna reprezentuje średnioroczny wzrost PKB per capita w latach 1960–1980. Wśród zmiennych objaśniających uwzględniono zarówno zmienne ilościowe, jak długość życia, udział inwestycji w kapitał nieprodukcyjny czy poziom zamożności początkowej, jak i zmienną jakościową informującą o przynależności danego kraju do regionu Afryki Subsaharyjskiej. Dane zostały uzupełnione o komponent przestrzenny w postaci informacji o sąsiedztwie geograficznym między państwami, co umożliwia estymację modeli uwzględniających zależności przestrzenne.
W dalszej części rozdziału przedstawiono szczegółowy opis poszczególnych zmiennych, ich podstawowe statystyki opisowe oraz omówiono kwestie związane z brakami danych i potencjalnymi obserwacjami odstającymi
Zmienną objaśnianą w niniejszej analizie jest średnioroczna stopa wzrostu produktu krajowego brutto (PKB) per capita w latach 1960–1980 (gdp_growth_1960_1980). Wybór tej zmiennej wynika z chęci zbadania długookresowych determinant wzrostu gospodarczego oraz ich potencjalnych zależności przestrzennych. Wskaźnik ten pozwala ocenić tempo rozwoju ekonomicznego poszczególnych krajów w badanym okresie oraz stanowi podstawę do identyfikacji wzorców przestrzennych i regionalnych różnic.
Zmiennymi objaśniającymi w modelu są wyselekcjonowane wskaźniki ekonomiczne, demograficzne i instytucjonalne, które zgodnie z literaturą przedmiotu mogą mieć istotny wpływ na tempo wzrostu gospodarczego. Uwzględniono zarówno zmienne ilościowe, takie jak przeciętna długość życia, poziom inwestycji nieinfrastrukturalnych, jakość instytucji prawnych oraz logarytm PKB per capita w roku 1960, jak i zmienną jakościową wskazującą na przynależność do regionu Afryki Subsaharyjskiej. Celem uwzględnienia tych zmiennych jest zbadanie ich siły oddziaływania oraz ewentualnej interakcji z efektami przestrzennymi.
Średnia długość życia (Life_Exp) — przeciętna liczba lat, jaką statystycznie oczekuje się, że przeżyje osoba urodzona w danym kraju. Wysoka wartość zwykle wskazuje na lepszy poziom zdrowia i warunki życia.
Procent wydatków nieprodukcyjnych (NEquip_Inv) - rozumiany jako wydatki inne niż w środki trwałe, np. kapitał ludzki, infrastruktura społeczna.
Indeks praworządności (Rule_of_Law) — mierzy stopień przestrzegania prawa, stabilność systemu prawnego oraz skuteczność wymiaru sprawiedliwości w danym kraju. Wyższe wartości oznaczają lepszą jakość instytucji i często korelują z wyższym rozwojem gospodarczym.
Logarytm naturalny PKB per capita w roku 1960 (GDPsh560) - wartości tej zmiennej odzwierciedlają poziom zamożności krajów w początkowym roku analizy. Dzięki logarytmicznej transformacji możliwe jest zmniejszenie wpływu wartości odstających oraz uzyskanie bardziej symetrycznego rozkładu, co sprzyja modelowaniu. Wysokie wartości GDPsh560 oznaczają wyższy poziom dochodu per capita w 1960 r., co może mieć wpływ na tempo późniejszego rozwoju gospodarczego.
Zmienna binarna oznaczająca, czy kraj znajduje się w regionie Afryki Subsaharyjskiej (SubSahara). Wpływa na analizę regionalną i często wiąże się z charakterystycznymi wyzwaniami gospodarczymi i społecznymi.
W celu wizualnego zidentyfikowania przestrzennych wzorców badanych zjawisk, wykorzystano kartogramy ilustrujące rozmieszczenie zmiennych objaśniających. Graficzna reprezentacja danych w układzie geograficznym pozwala na wstępną ocenę potencjalnej autokorelacji przestrzennej oraz wskazuje na istnienie regionalnych skupisk o podobnych wartościach. Kartogramy stanowią istotny element eksploracyjnej analizy danych przestrzennych (ESDA), wspomagając interpretację wyników statystycznych i modelowych.